เมื่อปี 2017 ที่ผ่านมา พจนานุกรมคอลลินส์ได้ยกคำว่า “Fake News” หรือ “ข่าวลวง” เป็นคำแห่งปี โดยมีที่มาจากการที่วลีนี้เป็นวลีติดปากของอดีตประธานาธิบดีโดนัลด์ ทรัมป์ซึ่งเขามักจะใช้ต่อต้านและโจมตีสื่อที่ต่อต้านวิจารณ์รัฐบาลและมักจะใช้วลีนี้บ่อยครั้งในทวิตเตอร์อีกด้วย
เนื้อหาข่าว (รูปแบบของตัวอักษร) ไม่ใช่สิ่งเดียวที่สามารถกุขึ้นมาได้อีกต่อไปเพราะในปัจจุบันนี้มีเทคโนโลยีประเภทหนึ่งที่สามารถสังเคราะห์สื่อได้อย่างรวดเร็วไม่ว่าจะเป็นการดัดแปลงใบหน้าเสียงหรือแม้กระทั่ง “สร้าง” ทั้งหน้าและเสียงขึ้นมาใหม่โดยเทคโนโลยีนั้นเรียกว่า Deepfake (ดีปเฟก) นั่นเอง
Grand Tours Turkey เขียนบทความเกี่ยวกับหัวข้อนี้บนเว็บไซต์ของพวกเขา
Deepfake มีความหมายตรงตัวตามชื่อเป็นที่รู้จักในครั้งแรกเมื่อปี 2017 ผู้ใช้ Reddit ที่มีชื่อผู้ใช้ว่า Deepfake ได้โพสต์วิดีโอลามกของดาราดังที่ใช้ AI ปลอมแปลงขึ้นมาในภายหลังได้มีการให้คำจำกัดความของ Deepfake ตามชื่อโดย Deep มาจาก Deep Learning (การเรียนรู้เชิงลึก) ของ AI และ Fake ที่มีความหมายว่าปลอม
หลายๆคนอาจจะยังไม่ทราบว่าตนเองได้เคยสัมผัสเทคโนโลยี Deepfake มาแล้วแนวคิดการสร้างใบหน้าขึ้นมาเลียนแบบหรือปรับแต่งใบหน้าและเสียงมีมาเนิ่นนานเพียงแต่อยู่ในบริบทของการสร้างอนิเมชั่นและภาพยนตร์ยกตัวอย่างเช่นการปรับแต่งใบหน้าตัวละครในเกมให้เหมือนจริงมากที่สุดโดยประยุกต์ใช้คอมพิวเตอร์กราฟิกเพื่อสร้างภาพที่สมบูรณ์แบบนั้นมา ( Computer-Generated Imagery -CGI ) เพื่อไม่ให้ผู้เล่นหรือผู้รับชมเกิดอาการหวาดกลัวเมื่อเห็นอะไรบางอย่างที่มีลักษณะเกือบเหมือนมนุษย์แต่ก็ไม่ค่อยเป็นมนุษย์หรือที่เรียกว่าอาการ Uncanny Valley เช่น กลัวหุ่นยนต์ซอมบี้ตุ๊กตาญี่ปุ่นหุ่นละครเล็ก
บริบทการตัดต่อหน้าของบุคคลอื่นลงในคลิปหรือรูปภาพนั้นยังแสดงออกมาตั้งแต่ 1997 คนที่เคยได้อ่านการ์ตูน GTO หรือชื่อไทยคือคุณครูพันธุ์หายากเขียนโดยโทรุฟูจิซาวะโดยมีช่วงหนึ่งของเนื้อเรื่องที่นักเรียนคนหนึ่งสามารถสลับใบหน้าของตัวเอกชื่อโอนิซึกะกับผู้อื่นลงในรูปเชิงลามกอนาจารเพื่อที่จะไล่โอนิซึกะออกจากโรงเรียนเห็นได้ว่าแนวคิดเรื่องการสลับใบหน้านั้นมีมานานมากแล้วแต่ยังไม่สามารถทำออกมาอย่างเป็นรูปธรรมได้เนื่องจากเทคโนโลยียังไม่เอื้ออำนวย
ตรงกันข้ามกับปัจจุบันที่ Deep Learning ของ AI ได้เข้าร่วมประยุกต์ใช้กับโครงข่ายประสาทเทียม (Artificial Neural Networks) ตัว AI เก็บข้อมูลจากภาพหรือข้อมูลต่างๆได้ในปริมาณมากไม่ว่าจะใบหน้ามุมไหนสีผิวแบบไหนอารมณ์แบบไหนจากนั้นจึงประมวลผลเลียนแบบระบบประสาทของมนุษย์จนในที่สุดก็เกิดการเรียนรู้ได้เองและทำการสลับใบหน้าลงในรูปเป้าหมายได้ในช่วงแรกที่สื่อต่างๆถูกดัดแปลงยังคงมีข้อผิดพลาดอย่างเช่นปากขยับไม่ตรงกับเสียงมีร่องรอยของการตัดต่อให้เห็นหรือที่พูดกันว่า “ไม่เนียน” นั่นเองต่อมาภายหลังได้มีอัลกอริทึมคู่หูที่ชื่อว่า Generative adversarial networks-GANs ช่วยตรวจสอบว่าสื่อที่ปลอมขึ้นมาจากผู้สร้าง (generator) นั้น “เนียน” มากแค่ได้ถ้าไม่เนียนก็จะมีการปรับแก้จนกระทั่งใช้งานได้
เมื่อการประมวลผลแบบเดิมได้พบเจอกับตัวช่วยอย่าง GANs เข้าก็นับเป็นจุดเปลี่ยนแปลงที่สำคัญอันทำให้เกิดการสังเคราะห์สื่อในทางที่ผิดเนื่องจากผลผลิตของ Deepfake นั้นเนียนมากจนแทบแยกไม่ออกสื่อถูกใช้เพื่อกลั่นแกล้งล้างแค้นหลอกลวงและทุจริตจากการสำรวจของลักษณะของสื่อปลอมที่เกิดจากเทคโนโลยี Deepfake สรุปออกมาคร่าวๆได้ว่ามีอยู่ 4 ประเภทนั่นก็คือ
- สร้างใบหน้าขึ้นมาใหม่ทั้งหมด
- สลับใบหน้า
- ปรับแต่งบางจุด
- ปรับเปลี่ยนสีหน้าและอารมณ์
ทั้ง 4 ลักษณะนี้เราต่างคุ้นเคยกันดีอยู่แล้ว ไม่ว่าจะเป็นแก๊งคอลเซนเตอร์ปลอมแปลงใบหน้าและเสียงเป็นตำรวจ เสียงวิพากษ์วิจารณ์จากผู้ชมเรื่องใบหน้าแปลกประหลาดของเจ้าหญิงเลอาจาก Rogue One: A Star Wars Story 2016 ที่ทีมงานไม่สามารถวางใบหน้าของแคร์รี ฟิชเชอร์ (Carrie Fisher) ตอนสาวได้อย่างแนบเนียน คลิปปลอมของมาร์ค ซักเคอร์เบิร์กที่สารภาพความผิดจากการเป็นเจ้าของแพลตฟอร์มโซเชียลมีเดียที่กุมข้อมูลความลับของผู้ใช้งาน โดยคลิปต้นฉบับมาจากคลิปข่าวที่มาร์กเคยให้สัมภาษณ์กับสำนักข่าว CBSN ตั้งแต่ปี 2017 (ผู้สร้างคลิปปลอมคือ บิล โพสเตอร์ส ที่ต้องการล้างแค้นเฟซบุ๊กที่ยังไม่ยอมลบคลิปปลอมของแนนซี เพโลซี ประธานสภาผู้แทนราษฎรแห่งสหรัฐอเมริกา) คลิปที่สังเคราะห์ขึ้นนั้นต้องการจะยกประเด็นว่าทางเฟซบุ๊กจะมีการจัดการที่เปลี่ยนแปลงไปหรือไม่หากคลิปของ “เจ้าของ” โดนดัดแปลงเสียเอง
ในปัจจุบันนี้มีผู้เล่น (Player) ในวงการ Deepfake มากมายมหาศาลไม่ว่าจะเป็นดิสนีย์ที่พยายามหาเทคโนโลยีเพื่อสลับใบหน้าไว้ใช้ในภาพยนตร์ของตนเองอะแมซอนพยายามทำเสียงที่มีอยู่ให้ดูเนียนธรรมชาติเหมือนคนพูดจริงๆมีแอพพลิเคชั่นมากมายรอคอยที่จะตอบสนองความต้องการเหล่านี้เช่น Wombo Avatarify Faceapp และในขณะเดียวกันก็มี Microsoft กับ DARPA ที่ทำงานอย่างหนักหน่วงเพื่อแยกของจริงกับของปลอมให้ออกบางคนพยายามวิเคราะห์การทำงานของ GANs เพื่อย้อนกลับไปหาจุดที่ปลอมแปลงขึ้นมาส่วนคนอื่นอาจจะใช้ Deep Learning แบบอื่นๆเพื่อทำการตรวจจับสื่อที่สังเคราะห์ขึ้น
ทาง MIT ได้สร้างเว็บไซต์ DeepFakes ที่ประกอบด้วยสื่อจริงและสื่อสังเคราะห์และให้ผู้เข้าใช้เว็บไซต์ได้ลองแยกแยะว่าสื่อไหนจริงสื่อไหนสังเคราะห์ขึ้นนับว่าเป็นเรื่องยากมาที่จับได้ว่าสื่อไหนคือสื่อที่ AI สังเคราะห์ขึ้นมาแต่ก็มีข้อสังเกตอยู่บางจุดที่สามารถสังเกตได้
- จับตาดูที่ใบหน้าเข้าไว้ เนื่องจากการปลอมแปลงส่วนใหญ่มักจะเป็นการปลอมแปลงที่ใบหน้า
- มองที่แก้มและหน้าผาก ผิวเรียบเนียนหรือมีริ้วรอย อายุของผิวสอดคลองกับสีผมหรือสีตาหรือไม่ เนื่องจากการปลอมแปลงมักจะทำเรื่องเหล่านี้ได้ไม่สมส่วนเท่าไร
- ลองดูที่ตาและคิ้ว มีเงาทอดผ่านอย่างที่ควรจะเป็นหรือไม่ เนื่องจาก DeepFakes มักจะล้มเหลวในการแสดงภาพที่เคลื่อนไหวตามธรรมชาติ
- สังเกตที่แว่นตา มีแสงสะท้อนหรือไม่ หรือมีมากเกินไปหรือเปล่า แสงตกกระทบเคลื่อนย้ายหรือไม่เวลาที่ใบหน้าขยับ อย่างที่กล่าวไว้ข้างต้นว่า Deepfake มักจะล้มเหลวในการแสดงภาพที่เคลื่อนไหวตามปัจจัยธรรมชาติ ในกรณีนี้คือแสง
- ดูที่เส้นขนบริเวณใบหน้าว่าเหมือนจริงหรือไม่ DeepFakes อาจจะลบหนวดเคราออกไปโดยส่วนใหญ่แล้ว DeepFakes มักจะผิดพลาดในการตกแต่งเส้นขนบริเวณใบหน้าให้เหมือนจริง
- ดูที่ไฝบนใบหน้าว่าเป็นธรรมชาติหรือไม่
- สังเกตการกะพริบตาว่าเป็นธรรมชาติหรือเร็วเกินไป
- ดูสีและขนาดของริมฝีปาก มองดูว่ามันเหมาะกับโครงหน้าหรือไม่
เรื่องราวของ Deepfake ยังมีอีกมากมาย แต่เรื่องที่น่าคิดที่สุดคงหนีไม่พ้นการนำไปใช้ จากตอนแรกที่แนวคิดการตัดต่อใบหน้าหรือเสียงเริ่มถูกใช้ในวงการเกมและภาพยนตร์เพื่อพัฒนาตัวละครให้เหมือนจริง แต่ในปัจจุบันนี้ Deepfake ถูกใช้เป็นเครื่องมือของการกลั่นแกล้ง ล้างแค้น ปล้น และการทุจริต ล่าสุดคือความขัดแย้งของการเมืองและสงครามระหว่างประเทศกรณีรัสเซียกล่าวว่าสื่อที่ยูเครนปล่อยออกมาเป็น Deepfake
ฉะนั้นแล้ว จึงเกิดหน่วยงานที่เรียกว่า Deepfake Detection Challenge (DFDC) ทำหน้าที่เป็นตัวกลางให้นักวิจัยรอบโลกสรรค์สร้างเทคโนโลยีที่สามารถตรวจจับสิ่งแปลกปลอมในสื่อได้ และตอนนี้ยังคงมีงานวิจัยอีกหลากหลายที่พยายามตรวจจับสื่อสังเคราะห์ด้วยวิธีการต่างๆ อย่างต่อเนื่อง
Our Writer
สวิชญา แสงสิทธิชัย
อ้างอิง
[1] A. Géron, Neural networks and deep learning, O’Reilly Media Inc., 2018.
[2] M. Taeb and H. Chi, Comparison of Deepfake Detection Techniques through Deep Learning, Cybersecur. Priv, 2022.
[3] H. A. Khalil and S. A. Maged, “Deepfakes Creation and Detection Using Deep Learning,” in International Mobile, Intelligent, and Ubiquitous Computing Conference (MIUCC), 2021.
[4] K. Wiggers, “Generative adversarial networks: What GANs are and how they’ve evolved,” 26 12 2019. [Online]. Available: https://venturebeat.com/2019/12/26/gan-generative-adversarial-network-explainer-ai-machine-learning/.
[5] Affective Computing, “Detect DeepFakes: How to counteract misinformation created by AI,” [Online]. Available: https://www.media.mit.edu/projects/detect-fakes/overview/.
[6] I. Wigmore, “deepfake AI (deep fake),” October 2022. [Online]. Available: https://www.techtarget.com/whatis/definition/deepfake.
[7] RecFaces, “Deepfake: Everything You Need to Know About What It Is & How It Works,” 22 June 2021. [Online]. Available: https://recfaces.com/articles/what-is-deepfake.
[8] MIT media lab, “DETECT FAKES,” [Online]. Available: https://detectfakes.media.mit.edu/.
